接着前面的人脸检测部分，进行部分改进，成功地把人脸替换，实现了抖音前段时间比较火的一个换脸视频所展示的效果，不过我能力有限只能换图片，无法像抖音那种，利用3D的模型替换人脸，这是比较遗憾的。直接上代码。
import cv2 #导入库
cap=cv2.VideoCapture(0)#打开0号摄像头 可以用视频的名字 如"a.avi","a.mp4"
success, frame = cap.read()#读取一桢图像，前一个返回值是是否成功，后一个返回值是图像本身
color = (255,0,0)#设置人脸框的颜色
classfier=cv2.CascadeClassifier("haarcascade_frontalface_alt.xml")#读取模型，定义分类器
while success: #一直读取到图像
img1 = cv2.imread("xh.png")
success, frame = cap.read()#读取一桢图像
image = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)#将当前桢图像转换成灰度图像（这里有修改）
faceRects = classfier.detectMultiScale(image, 1.3, 5)#人脸检测 1.3 每次搜索窗口依次扩大30%
if len(faceRects)>0:#如果人脸数组长度大于0
for faceRect in faceRects: #对每一个人脸画矩形框
x, y, w, h = faceRect #获取人脸的长宽和坐标
img1 = cv2.resize(img1, (w, h), interpolation=cv2.INTER_LINEAR)
frame[y:y+h,x:x+w]=img1
# cv2.rectangle(frame, (x, y), (x+w, y+h), color) #在图像上按人脸的坐标画框
cv2.imshow("test", frame)#显示图像
key=cv2.waitKey(30) #1s延时获取键值
c = chr(key & 255)
if c in ['q', 'Q', chr(27)]: #如果键值为 Qq、Esc 就跳出循环
break
cv2.destroyWindow("test") #销毁窗口
这里先提前准备好一张图，用来替换人脸，这里我的图命名为xh.png。程序首先按照人脸检测时的一个流程，读取分类器，进入大循环循环读取人脸阶段，先获取图片xh.png的信息，然后打开摄像头进行人脸检测，获取到人脸的位置以及长宽以后，对需要替换的图片xh.png进行规划，重新按照人脸的信息，比如长宽坐标，进行对应的整改，然后把整改后的图像进行赋值到人脸的数据上。
其中关键的两句代码为：
img1 = cv2.resize(img1, (w, h), interpolation=cv2.INTER_LINEAR)
frame[y:y+h,x:x+w]=img1
这里就是把替换图进行坐标和长宽的整改并且赋值进行替换的过程。
结果如下图：
